有關(guān)人工智能的論文(2)
有關(guān)人工智能的論文
人工智能的論文篇二
基于人工智能的電氣智能控制技術(shù)研究
[摘 要]人工智能技術(shù)在電氣智能控制中有廣大的發(fā)展空間,能有效促進電電氣智能控制技術(shù)的發(fā)展及應用。本文主要分析了人工智能控制技術(shù)的優(yōu)勢及其相應的控制方法、優(yōu)化算法等,并以基于遺傳算法的電機控制系統(tǒng)的PID參數(shù)優(yōu)化為例,對人工智能技術(shù)提高電氣控制技術(shù)進行了實例論證。研究結(jié)果表明:人工智能技術(shù)能夠提高電氣智能控制水平。
[關(guān)鍵詞]人工智能;電氣工程;智能控制;遺傳算法
中圖分類號:S258 文獻標識碼:A 文章編號:1009-914X(2015)16-0344-01
引言
近年來,人工智能在電氣智能控制方面應用已經(jīng)越來越廣泛、深入[1]。例如:基于人工智能的故障的診斷和預測、電氣產(chǎn)品設計優(yōu)化和保護與控制等領(lǐng)域。電氣產(chǎn)品的設計隨著計算機技術(shù)的發(fā)展,逐漸由手工設計向計算機輔助設計不斷轉(zhuǎn)變,,尤其是在引進了人工智能技術(shù)之后,大大提高了設計產(chǎn)品的質(zhì)量和效率[2]。人工智能技術(shù)在電氣設計方面的應用主要包括專家系統(tǒng)和遺傳算法。其中的遺傳算法是一種優(yōu)化的先進算法,在產(chǎn)品的設計優(yōu)化上有舉足輕重的作用[3]。因此電氣產(chǎn)品的人工智能化設計很多都采用了這種方式進行優(yōu)化。
本文中,主要以遺傳算法在電氣智能化控制領(lǐng)域的應用為例,分析基于人工智能的電氣智能控制技術(shù)。
1 人工智能控制器的優(yōu)勢
人工智能控制的主要優(yōu)勢[4]在于:(1)它們的設計不需要控制對象的模型;(2)通過適當調(diào)整(根據(jù)響應時間、下降時間、魯棒性能等)它們能提高性能;(3)比古典控制器的調(diào)節(jié)容易;(4)在沒有必須專家知識時,通過響應數(shù)據(jù)也能設計它們;(5)運用語言和響應信息可能設計它們;(6)它們對新數(shù)據(jù)或新信息具有很好的適應性。
2 人工智能控制技術(shù)的主要方法及優(yōu)化算法
2.1 人工智能控制技術(shù)的主要方法
(1)模糊控制
模糊控制系統(tǒng)是以模糊數(shù)學、模糊語言形式的知識表示以及模糊邏輯的推理規(guī)則為理論基礎(chǔ),采用計算機控制技術(shù)構(gòu)成的一種具有反饋通道的閉環(huán)結(jié)構(gòu)的數(shù)字控制系統(tǒng)[5]。
(2)專家控制
專家控制是將專家系統(tǒng)的理論技術(shù)與控制理論技術(shù)相結(jié)合,仿效專家的經(jīng)驗,實現(xiàn)對系統(tǒng)控制的一種智能控制。專家控制可以靈活地選取控制率,靈活性高。通過專家規(guī)則,系統(tǒng)可以在非線性、大偏差的情況下可靠地工作,魯棒性強[1]。
(3)神經(jīng)網(wǎng)絡控制
神經(jīng)網(wǎng)絡模擬人腦神經(jīng)元的活動,利用神經(jīng)元之間的聯(lián)結(jié)與權(quán)值的分布來表示特定的信息,通過不斷修正連接的權(quán)值進行自我學習,以逼近理論為依據(jù)進行神經(jīng)網(wǎng)絡建模,并以直接自校正控制、間接自校正控制、神經(jīng)網(wǎng)絡預測控制等方式實現(xiàn)智能控制[3]。
(4)集成智能控制
智能控制技術(shù)的集成包括兩方面:一方面是將幾種智能控制方法或機理融合在一起,構(gòu)成高級混合智能控制系統(tǒng);另一方面是將智能控制技術(shù)與傳統(tǒng)控制理論結(jié)合,形成智能復合型控制器。
2.2 人工智能控制技術(shù)常用的優(yōu)化算法
(1)遺傳算法
遺傳算法依照所選擇的適配值函數(shù),通過遺傳中的復制、交叉及變異對個體進行篩選,使適配值高的個體被保留下來,組成新的群體,新群體既繼承了上一代的信息,又優(yōu)于上一代,這樣周而復始,群體中個體適應度不斷提高,直到滿足一定的條件[7]。
(2)蟻群算法
蟻群算法是群體智能的典型實現(xiàn),是一種基于種群尋優(yōu)的啟發(fā)式搜索算法。蟻群算法的基本思想:當一只螞蟻在給定點進行路徑選擇時。被先行螞蟻選擇次數(shù)越多的路徑。被選中的概率越大[6]。
3 電動機控制中的遺傳算法PID參數(shù)優(yōu)化
本文以直流電動機系統(tǒng)進行了仿真驗證,使用了具有突出尋優(yōu)能力和計算簡單的遺傳算法進行參數(shù)整定,并通過Matlab編程進行參數(shù)尋優(yōu),整定出的參數(shù)使性能指標達到最優(yōu)。
(1)參數(shù)的確定及表示
首先確定參數(shù)范圍,該范圍一般是由用戶給定的,然后由精度的要求,對其進行編碼。選取二進制字串表示每一個參數(shù),并建立與參數(shù)間的關(guān)系。再把二進制串連起來就組成一個長的二進制字串,該字串為遺傳算法可以操作的對象。
(2)選取初始種群
因為需要編程來實現(xiàn)各過程,所以采用計算機隨機產(chǎn)生初始種群。針對二進制編碼而言,先產(chǎn)生0~1之間均勻分布的隨機數(shù),然后規(guī)定產(chǎn)生的隨機數(shù)0~0.5之間代表0,0.5~1之間代表1。此外,考慮到計算的復雜程度來規(guī)定種群的大小。
(3)適應度函數(shù)的確定
在實際應用中會因系統(tǒng)中固有的飽和特性而導致系統(tǒng)不穩(wěn)定,為了防止控制能量過大,在目標函數(shù)中加入控制量。因此為了使控制效果更好,本文給出了包含控制量、誤差和上升時間作為約束條件的目標函數(shù)。因為適應度函數(shù)同目標函數(shù)相關(guān),所以目標函數(shù)確定后,直接將其倒數(shù)作為適應度函數(shù)進行參數(shù)尋優(yōu)。最優(yōu)的控制參數(shù)也就是在滿足約束條件下使最大時,所對應的控制器參數(shù)。
(4)優(yōu)化步驟
下面就可以編程使用遺傳算法對PID參數(shù)進行尋優(yōu)。利用遺傳算法優(yōu)化Kp、Ki、Kd的具體步驟如下:
?、俅_定每個參數(shù)的大致范圍和編碼長度,進行編碼;
?、陔S機產(chǎn)生n個個體構(gòu)成初始種群P(0);
?、蹖⒎N群中各個體解碼成對應的參數(shù)值,用此參數(shù)求代價函數(shù)值J 及適應度函數(shù)值,;
?、軕脧椭?、交叉和變異算子對種群P(t)進行操作,產(chǎn)生下一代種群P(t+1);
?、葜貜筒襟E③和④,直至參數(shù)收斂或達到預定的指標。
試驗的電機性能參數(shù)如下:
La電機電感0.24mH=0.00024H
Ra電機電阻2.32Ω
Cm電動機的轉(zhuǎn)距常數(shù)23.2mN・m/A=0.0232N・m/A
Ce為電動勢常數(shù)
Jm轉(zhuǎn)子以及電動機轉(zhuǎn)軸相連的負載總的轉(zhuǎn)動慣量1.1×10-6kg・m2
Fm粘滯摩擦系數(shù)2.2×10-4kg・m2/s
根據(jù)被控電動機特性,建立電動機的連續(xù)傳遞函數(shù)模型為:
,。
遺傳算法中使用的樣本個數(shù)為30,參數(shù)Kp的取值范圍為[0,20],Ki 、Kd 的取值范圍為[0,1],取wl=0.999,w2=0.001,w3=100,w4=2.000。采用實數(shù)編碼方式,經(jīng)過100代進化,獲得的優(yōu)化參數(shù)如下:
簡單遺傳算法
Bestfi=0.1408
BestS=11.12200.03590.1276
Best_J=7.1034
改進遺傳算法
Bestfi=0.1358
BestS=8.91780.03050.5474
Best_J=7.2538
代價函數(shù)J的優(yōu)化過程和采用整定后的PID控制階躍響應。
文章應用遺傳算法對電機的PID控制器參數(shù)進行了優(yōu)化設計,得到了優(yōu)化的PID控制參數(shù),從響應曲線可以看出,應用改進后的遺傳算法電機響應速度加快,跟蹤性良好,控制效果明顯提高。
看了“人工智能的論文”的人還看了:
3.人工智能作文